neurobrix run verarbeitet jede Modellfamilie. Was du übergeben musst, hängt von der Familie ab.
| Modus | Befehle | Am besten für |
|---|---|---|
| Warm (empfohlen) | neurobrix serve --model <name>, dann neurobrix run --prompt "..." |
Mehrere Läufe, interaktive Nutzung |
| Kalt | neurobrix run --model <name> --prompt "..." |
Einzelne Läufe, Skripte |
Ein kalter Lauf lädt die Gewichte, führt aus und entlädt. Solange ein Daemon ein anderes Modell bereitstellt, wird ein kalter Lauf mit Error: a serving daemon is running (PID n) with another model, and NeuroBrix runs one task at a time. abgelehnt; führe stattdessen gegen den warmen Daemon aus. <name> unten ist der eine Name des Modells, org/Model. Siehe Serving-Anleitung.
| Familie | Befehl | Ausgabe |
|---|---|---|
| LLM | neurobrix run --model <name> --prompt "..." |
.txt |
| Bild | neurobrix run --model <name> --prompt "..." --output x.png |
.png |
| Video | neurobrix run --model <name> --prompt "..." --output x.mp4 |
.mp4 |
| TTS | neurobrix run --model <name> --prompt "text" --output x.wav |
.wav |
| STT | neurobrix run --model <name> --audio f.wav |
Text; wohin er ohne --output geht: noch nicht dokumentiert |
| Upscaler | neurobrix upscale --model <name> --input in.png --output out.png |
.png |
| VLM | --prompt und --input-image, beide erforderlich |
Text |
| Audio-LLM | --audio und --prompt, beide erforderlich |
Text |
| Multimodal | --prompt und --mode text, image oder audio; der Modus ist erforderlich |
je nach Modus |
Fehlt eine erforderliche Eingabe, bricht die Engine mit ZERO FALLBACK: family '<f>' requires <flag>. Provide it on the command line. ab. Eine falsche --output-Endung wird auf dieselbe Weise abgelehnt, wobei die erwartete genannt wird. Ohne --output heißt die Datei output_<model> plus die Endung der Familie (der --help-Text sagt weiterhin output.png).
| Flag | Gilt für | Bedeutung |
|---|---|---|
--prompt |
die meisten Familien | Eingabetext |
--steps, --cfg, --seed |
Bild, Video | Diffusionsschritte, Guidance-Skala, Zufalls-Seed |
--height, --width |
Bild | Ausgabegröße |
--num-frames, --fps |
Video | Clip-Länge und -Rate |
--input-image |
Bild, Video, VLM, Upscaler | Eingabebild; bei Bild wählt es img2img, bei Video i2v |
--mask-image |
Bild | Inpainting-Maske; braucht --input-image |
--video |
Video | Eingabeclip, wählt v2v |
--speaker |
TTS | Kennung einer vordefinierten Stimme (--reference-audio ist in dieser Version nicht angebunden: wird namentlich abgelehnt) |
--max-tokens, --temperature, --repetition-penalty, --top-k, --top-p |
LLM | Sampling |
--system |
LLM | System-Prompt |
--chat / --no-chat |
LLM | Schließen sich gegenseitig aus |
--mode |
alle | auto, text, chat, agent, image, audio, video, t2i, img2img, inpainting, t2v, i2v, v2v |
--set KEY=VALUE |
alle | Einen Modell-Standardwert überschreiben; wiederholbar |
--hardware |
alle | Hardware-Profil-ID |
--explain-plan |
alle | Den Platzierungsplan anzeigen |
--json |
alle | Mit --explain-plan: der Plan als ein JSON-Datensatz |
Die Standardwerte für Schritte, Guidance und Größe stammen vom Modell selbst. Standardwerte je Familie für Sampling-Flags wie die Temperatur: noch nicht dokumentiert.
Bild:
neurobrix run --model <name> --prompt "A cute robot in a garden" --steps 20 --seed 42 --cfg 5.0 --width 1024 --height 1024 --output robot.png
Erwartetes Ergebnis: eine PNG-Datei unter robot.png.
Einen Standardwert überschreiben:
neurobrix run --prompt "test" --set global.guidance_scale=7.5
Bei run oder serve höchstens einen angeben:
| Flag | Bedeutung |
|---|---|
--compiled |
Die PyTorch-Engine; Standard, wo PyTorch installiert ist |
--sequential |
Die PyTorch-Engine Operation für Operation, zum Debuggen |
--triton |
Die Triton-Engine (nbxtensor, ohne PyTorch); Standard, wo PyTorch nicht installiert ist |
--triton-sequential |
Die Triton-Engine Operation für Operation, zum Debuggen |
Mehr als eines ergibt Error: only one execution mode flag can be passed at a time und Exit-Code 1.
Weiter: Serving-Anleitung
© 2025–2026 Hocine Benkelaya. NeuroBrix engine released under the Apache License 2.0.
Developed by Hocine Benkelaya · Supported and funded by Neural Network Holding Ltd · Commercial distribution by WizWorks OÜ
Dokumentationsquelle: GitLab